针对全球导航定位系统反射信号干涉测量(GNSS-IR)单颗卫星数据反演积雪深度存在精度和可靠性低的问题，本文提出一种基于随机森林的多星数据融合GNSS-IR积雪深度反演算法，将不同卫星视角下的信噪比数据通过决策树随机定权达到融合，进而实现积雪深度的反演。为了验证本文提出算法的可靠性，采用多元线性回归算法开展对比分析，实验结果表明：本文提出的算法能够有效反演积雪深度，反演结果与实测值的相关性相较于多元线性回归反演结果相关性提升了10%,均方根降低了46%,表明了本文提出的方法能够有效地反演积雪深度。
针对全球导航定位系统反射信号干涉测量(GNSS-IR)单颗卫星数据反演积雪深度存在精度和可靠性低的问题，本文提出一种基于随机森林的多星数据融合GNSS-IR积雪深度反演算法，将不同卫星视角下的信噪比数据通过决策树随机定权达到融合，进而实现积雪深度的反演。为了验证本文提出算法的可靠性，采用多元线性回归算法开展对比分析，实验结果表明：本文提出的算法能够有效反演积雪深度，反演结果与实测值的相关性相较于多元线性回归反演结果相关性提升了10%,均方根降低了46%,表明了本文提出的方法能够有效地反演积雪深度。
针对全球导航定位系统反射信号干涉测量(GNSS-IR)单颗卫星数据反演积雪深度存在精度和可靠性低的问题，本文提出一种基于随机森林的多星数据融合GNSS-IR积雪深度反演算法，将不同卫星视角下的信噪比数据通过决策树随机定权达到融合，进而实现积雪深度的反演。为了验证本文提出算法的可靠性，采用多元线性回归算法开展对比分析，实验结果表明：本文提出的算法能够有效反演积雪深度，反演结果与实测值的相关性相较于多元线性回归反演结果相关性提升了10%,均方根降低了46%,表明了本文提出的方法能够有效地反演积雪深度。